#машинное обучение

Профессор Сколтеха Евгений Бурнаев руководит в институте Центром искусственного интеллекта и считает, что ИИ должен стать сквозной трансформационной технологией для всех областей науки и промышленности. Воплощая эту концепцию, Евгений уже сотрудничал с медиками, нефтяниками, банкирами, киберспортсменами и МЧС и поработал над самолетом, гоночной машиной и музейными экспонатами, а теперь задумался о строительных объектах. Нам он рассказывает о том, как, попав в область ИИ со стороны теории вероятностей, начал прикладную работу в инженерном проектировании и пришел к своему главному на сегодня научному интересу — мультиагентному инженерному искусственному интеллекту. Чем он отличается от обычного ИИ в проектировании и как Евгений смотрит на сгенерированный контент, кибермошенников, голосовых помощников и инновации в спорте с позиции потребителя, вы узнаете из этого интервью.

Исследователи из России вместе с их американским коллегой предложили новый, полностью децентрализованный алгоритм оптимизации. Он позволяет эффективно решать различные задачи, работая без центрального сервера и автоматически настраиваясь без предварительной настройки параметров.

Сфера права сталкивается с необходимостью мгновенного и точного анализа множества правовых документов, судебных решений и законодательных актов. Традиционные методы анализа часто оказывались недостаточно эффективными, что в свою очередь подчеркивает потребность в современных технологических решениях. В частности, метод TF-IDF, используемый в качестве основы для построения дерева решений, представляет собой эффективный инструмент для выделения ключевых слов и понятий. Его и предложили применять ученые МТУСИ для анализа юридических текстов.

Международная команда ученых совершила прорыв в области распределенного машинного обучения, разработав новые алгоритмы, значительно повышающие эффективность обучения моделей в федеративных сетях. Исследование, проведенное группой, куда вошли специалисты МФТИ, представляет собой значительный шаг вперед в решении проблемы высокой вычислительной сложности обучения больших моделей в распределенных системах.

Трудно ли создать машинный сверхинтеллект? Поможет ли ИИ перейти к новому технологическому укладу? И как обучать искусственный разум на малом количестве примеров? Какие сложности возникают при взаимодействии с умными роботами, обсудили с директором центра когнитивного моделирования МФТИ, руководителем научной группы «Нейросимвольная интеграция» в Институте искусственного интеллекта AIRI Александром Пановым.

В рамках совместной работы физики из Китая и России обучили графовую нейронную сеть поиску кристаллов с высоким показателем двулучепреломления. Разработанный подход позволит ускорить поиск новых материалов с заданными оптическим свойствами.

Генеральный директор Института искусственного интеллекта AIRI, профессор РАН Иван Оселедец — о семье, математике и о том, что ждет область искусственного интеллекта в самом ближайшем будущем

Исследователи из НИУ ВШЭ разработали модель машинного обучения, которая предсказывает риск развития осложнений у пациентов, перенесших инфаркт миокарда. В модели впервые учли генетические данные, что позволило точнее оценить риск долгосрочных осложнений.

Плоскоклеточный рак головы и шеи входит в десятку наиболее распространенных и агрессивных видов онкологических заболеваний — пятилетняя выживаемость пациентов составляет 50-67 процентов. Недавно международная исследовательская группа выяснила, как раковые клетки при этой плоскоклеточной карциноме взаимодействуют с окружающей их средой. Открытие может помочь в диагностике и лечении онкопатологии.

Титановые сплавы широко используют в аэрокосмической, медицинской и автомобильной промышленности из-за высокой прочности, малого веса и устойчивости к коррозии. Однако нехватка экспериментальных данных создает трудности с прогнозированием их характеристик, что замедляет и ухудшает производство. Ученые Пермского Политеха разработали программу для нейросетей, которая с высокой точностью предсказывает показатель шероховатости поверхности сплава. От него зависит износ детали при трении с другими механизмами или поверхностью, а также противостояние коррозии.

Ученые МТУСИ проанализировали возможности интеграции предложенной ими модели в систему защиты веб-приложений. Внедрение автоматизированных инструментов для обнаружения потенциально фишинговых URL-адресов на ранних стадиях их проникновения в сеть поможет существенно снизить риски для пользователей и организаций.

Хроническое повышенное кровяное давление оказалось возможно определить без тонометра и других привычных инструментов. Алгоритм, который анализирует аудиозаписи человеческого голоса и распознает в них биомаркеры гипертонии, разработали в Канаде.

Исследователи Центра ИИ НИУ ВШЭ, AIRI и Бременского университета разработали новый метод редактирования изображений на основе глубинного обучения — StyleFeatureEditor. Он позволяет точно воссоздавать мельчайшие детали изображения и сохранять их при редактировании. С его помощью пользователи смогут изменять цвет волос или выражение лица без потери качества изображения.

Коллектив ЮФУ разработал инновационную микрофлюидную систему, способную работать под высоким давлением и контролировать состояние катализатора и продукты с помощью спектральных методов. Эта инновационная разработка открывает новые возможности для более быстрого и эффективного синтеза материалов, используемых в клеях, высокоэффективных пластмассах, растворителях и моющих средствах.

Специалисты КБГУ разработали новую нейросетевую модель для диагностики инфаркта миокарда. При этом использовался простой математический метод автоматической классификации — алгоритм k-ближайших соседей, который не требует больших вычислительных ресурсов и доступа к платным облачным сервисам, что делает его установку доступной и недорогой. Сегодня на обслуживание одного пациента в поликлиниках уходит до 12 минут, а с помощью разработанной программы это время может сократиться почти вдвое.

Ученые из Сколтеха показали непригодность широко используемого класса моделей под общим названием «часы старения» для оценки эффективности перепрограммирования клеток — радикального омоложения ткани в живом организме.

Инфляция — один из ключевых показателей экономической стабильности, и точное прогнозирование ее уровня в различных регионах имеет большое значение для государства, бизнеса и домохозяйств. Татьяна Букина и Дмитрий Кашин из НИУ ВШЭ в Перми выяснили, что машинное обучение для прогнозирования инфляции превосходит классические эконометрические модели в долгосрочных прогнозах.

Исследователи проанализировали научные статьи о диагностике рака кожи с помощью технологии искусственного интеллекта и выяснили, что чаще всего для этой цели используют сверточные нейросети, основанные на глубоком обучении. При этом самый точный результат (93 процента точности) дают системы, основанные на машинном обучении, что делает их наиболее предпочтительным методом диагностики. Кроме того, за последние пять лет точность таких алгоритмов повысилась более чем на девять процентов.

Тематические модели — алгоритмы машинного обучения, способные сортировать большие объемы текстов по темам. Исследователи из НИУ ВШЭ в Санкт-Петербурге сравнили пять тематических моделей и определили, какие из них работают лучше. Наименьшее число ошибок показали две модели, одна из которых, GLDAW, — разработка Лаборатории социальной и когнитивной информатики НИУ ВШЭ в Санкт-Петербурге.

Ученые Центра ИИ и Института искусственного интеллекта и цифровых наук факультета компьютерных наук НИУ ВШЭ применили классические алгоритмы обучения с подкреплением для настройки генеративных потоковых сетей (GFlowNets). Это позволило улучшить работу GFlowNets, которые применяются уже три года для решения сложнейших научных задач на этапах моделирования, генерации гипотез и экспериментального проектирования.